Laufzeit: Feb/März - 12 Monate++

Auslastung: 80-100%

Einsatzort: Remote

 

1. Rollenbeschreibung

Der Senior Machine Learning / NLP Engineer konzipiert, entwickelt, trainiert und betreibt fortgeschrittene Machine-Learning- und Natural-Language-Processing-Lösungen in produktiven Umgebungen. Der Fokus liegt auf datengetriebenen, skalierbaren KI-Systemen, insbesondere im Kontext von Textverarbeitung, Large Language Models (LLMs) und Generative AI.

 

2. Aufgaben und Leistungen

2.1 Konzeption & Architektur

• Analyse fachlicher Anforderungen und Übersetzung in ML-/NLP-Lösungsdesigns

• Entwurf von End-to-End-Architekturen (Datenpipeline, Training, Inferenz, Monitoring)

• Auswahl geeigneter Modelle, Frameworks und Infrastruktur

2.2 Entwicklung & Modellierung

• Entwicklung und Training von ML- und NLP-Modellen, u. a.:

o Textklassifikation, Information Extraction, NER

o Semantic Search, RAG-Architekturen

o Conversational AI / Chatbots

o LLM Fine-Tuning (z. B. PEFT, LoRA)

• Implementierung in Python unter Nutzung gängiger ML-/DL-Frameworks

2.3 Integration & Produktivsetzung

• Integration der Modelle in bestehende Anwendungen und IT-Landschaften

• Aufbau von Inferenz-Services (APIs, Batch, Streaming)

• Sicherstellung von Performance, Skalierbarkeit und Stabilität

• Unterstützung bei MLOps-Themen (CI/CD, Modellversionierung, Monitoring)

2.4 Qualität, Governance & Sicherheit

• Bewertung von Modellqualität, Bias, Robustheit und Nachvollziehbarkeit

• Dokumentation von Modellen, Trainingsdaten und Entscheidungen

• Einhaltung von Datenschutz-, Sicherheits- und Compliance-Anforderungen

2.5 Beratung & Wissenstransfer

• Fachliche Beratung von Stakeholdern (IT, Fachbereiche, Management)

• Unterstützung von Teams bei Architektur- und Technologieentscheidungen

• Wissenstransfer und Enablement interner Teams

 

3. Fachliche Qualifikation (Mindestanforderungen)

• Mehrjährige praktische Erfahrung (typ. ? 5 Jahre) im Bereich:

o Machine Learning

o Natural Language Processing

• Sehr gute Kenntnisse in:

o Python

o ML-/DL-Frameworks (z. B. PyTorch, TensorFlow)

o NLP-Libraries und LLM-Ökosystemen

• Erfahrung mit produktiven KI-Systemen (nicht nur Forschung/Prototypen)

• Solides Verständnis von Statistik, Datenstrukturen und Algorithmen

 

4. Zusatzqualifikationen (je nach Projekt relevant)

• Erfahrung mit:

o Cloud-Plattformen (AWS, Azure, GCP oder souveräne Cloud-Umgebungen)

o Containerisierung (Docker, Kubernetes)

o Vektordatenbanken und Suchsystemen

• Kenntnisse in:

o GenAI-Architekturen

o Responsible AI / AI Governance

• Erfahrung in regulierten oder sicherheitskritischen Umfeldern

 

5. Arbeitsweise & Soft Skills

• Eigenständige, strukturierte und ergebnisorientierte Arbeitsweise

• Fähigkeit zur Kommunikation komplexer technischer Inhalte

• Hohe Problemlösungskompetenz

• Erfahrung in interdisziplinären Projektteams